大話:人工智慧、大數據、物聯網、雲計算

半個多世紀的某個夏天,麥卡錫、明斯基等眾科學家們舉辦了一次Party,共同研究用機器模擬智能的問題,也是在那時,「人工智慧(AI)」的理念正式被提出!

人工智慧(Artificial Intelligence)簡稱AI,AI能根據大量的歷史資料和實時觀察(real-time observation)找出對於未來預測性的洞察(predictive insights)。

如今人工智慧商業化正在快速推進中,比如我們所知道和了解的人像識別、圖像識別技術、語音識別、自然語言理解、用戶畫像等。此類技術也現階段已經在金融、物聯網等行業得到應用!

對於未來而言,人工智慧會在人類生活的方方面面,發揮越來越多的作用,也會刷更多的存在感,慢慢的更會懂我們很多!

不遠的將來會有越來越多的自動化的系統出現,比如刷臉支付已經在來的路上了!

人工智慧、大數據、物聯網以及雲計算,彼此之間皆存在著千絲萬縷的「親緣」關係!

先以人工智慧為例,拋棄其他任何,也便不會有今天大紅大紫的人工智慧!

不得不說的人工智慧背後的基石:大數據

大數據是人工智慧的基石,目前的深度學習主要是建立在大數據的基礎上,即對大數據進行訓練,並從中歸納出可以被計算機運用在類似數據上的知識或規律。

簡單而言何為大數據?

雖然很多人將其定義為「大數據就是大規模的數據」。

但是,這個說法並不準確!

「大規模」只是指數據的量而言。

數據量大,並不代表著數據一定有可以被深度學習演算法利用的價值。

例如:地球繞太陽運轉的過程中,每一秒鐘記錄一次地球相對太陽的運動速度、位置,可以得到大量數據。可如果只有這樣的數據,其實並沒有太多可以挖掘的價值!

大數據這裡我們參閱馬丁·希爾伯特的總結,今天我們常說的大數據其實是在2000年後,因為信息交換、信息存儲、信息處理三個方面能力的大幅增長而產生的數據:

信息交換:據估算,從1986年到2007年這20年間,地球上每天可以通過既有信息通道交換的信息數量增長了約217倍,這些信息的數字化程度,則從1986年的約20%增長到2007年的約99.9%。在數字化信息爆炸式增長的過程里,每個參與信息交換的節點都可以在短時間內接收並存儲大量數據。

信息存儲:全球信息存儲能力大約每3年翻一番。從1986年到2007年這20年間,全球信息存儲能力增加了約120倍,所存儲信息的數字化程度也從1986年的約1%增長到2007年的約94%。1986年時,即便用上我們所有的信息載體、存儲手段,我們也不過能存儲全世界所交換信息的大約1%,而2007年這個數字已經增長到大約16%。信息存儲能力的增加為我們利用大數據提供了近乎無限的想像空間。

信息處理:有了海量的信息獲取能力和信息存儲能力,我們也必須有對這些信息進行整理、加工和分析的能力。谷歌、Facebook等公司在數據量逐漸增大的同時,也相應建立了靈活、強大的分散式數據處理集群。

大數據在應用層面:大數據往往可以取代傳統意義上的抽樣調查、大數據都可以實時獲取、大數據往往混合了來自多個數據源的多維度信息、大數據的價值在於數據分析以及分析基礎上的數據挖掘和智能決策。

美國《大西洋月刊》公布的一段A.I.聊天記錄截圖

延伸閱讀:聊天機器人竟自創語言「對話」 臉書將其緊急關停

實際上人工智慧的發展,離不開海量數據進行訓練,究其根本大數據的循環往複無數次的訓練和深度學習才有了人工+智能!

沒有人工智慧的物聯網:沒大戲

而物流網又讓人工智慧:更準確

物聯網:英文名為Internet of Things,可以簡單地理解為物物相連的互聯網,正是得益於大數據和雲計算的支持,互聯網才正在向物聯網擴展,並進一步升級至體驗更佳、解放生產力的人工智慧時代。

在未來,虛擬世界的一切將真正實現物理化!

物聯網主要通過各種設備(比如RFID,感測器,二維碼等)的介面將現實世界的物體連接到互聯網上,或者使它們互相連接,以實現信息的傳遞和處理。

對於人工智慧而言,物聯網(IoT)其實肩負了一個至關重要的任務:資料收集

概念上,物聯網可連接大量不同的設備及裝置,包括:家用電器和穿戴式設備。嵌入在各個產品中的感測器(sensor)便會不斷地將新數據上傳至雲端。這些新的數據以後可以被人工智慧處理和分析,以生成所需要的信息並繼續積累知識。

互聯網在現實的物理世界之外新建了一個虛擬世界,物聯網將會把兩個世界融為一體。

物聯網的終極效果是萬物互聯,不僅僅是人機和信息的交互,還有更深入的生物功能識別讀取等等!

人工智慧背後強大的助推器:雲計算

雲計算(詳情參閱:什麼是雲計算?)是將我們傳統的IT工作轉為以網路為依託的雲平台運行,NIST(美國國家標準與技術研究院)在2011年下半年公布了雲計算定義的最終稿,給出了雲計算模式所具備的5個基本特徵(按需自助服務、廣泛的網路訪問、資源共享、快速的可伸縮性和可度量的服務)、3種服務模式(SaaS(軟體即服務)、PaaS(平台即服務)和IaaS(基礎設施即服務))和4種部署方式(私有雲、社區雲、公有雲和混合雲)

雲計算髮展較早,經過10年發展,國內已經擁有超百億規模,雲計算也不再只是充當存儲與計算的工具而已!

未來可以預見的是,雲計算將在助力人工智慧發展層面意義深遠!

而反之,人工智慧的迅猛發展、海量數據的積累,也將會為雲計算帶來的未知和可能性!

人工智慧也好、大數據也好、物聯網及雲計算也好,彼此依附相互助力,藕不斷絲且相連!

合力搭檔在一起,組合拳出擊才更有力量:給未來多一些可能,給未知多一些可能性,給不可能多一些可能!


推薦閱讀:

技術邊界篇1:腦機介面(BCI)
如何「科學的比較」機器學習模型表現?
價值4.2億,中國如何幫挪威造智能深海漁場?
夢想照進現實 電影里才有的「神器」現已成真
ISSCC 2017 看AI晶元的四大趨勢

TAG:人工智能 | 云计算 | 大数据 |